入门
文章平均质量分 89
MoxuanCN
你很懒,还没有添加简介
展开
-
利用CNN对MNIST训练
目录 1 简介 2 数据集 3 数据预处理 3.1 数据集导入 3.2 像素值归一化处理 3.3 计算图片的高和宽 3.4 读取标签并进行one-hot编码 3.5 数据集划分 4 参数与网络设置 4.1 参数设置 4.2 网络设置 5 损失设置与训练 6 结果展示 1 简介 MNIST是一个入门级的计算机视觉数据集,它包含各种从0到9的手写数字图片以及对应的标签,本篇使用了简单卷积神经网络来实现手写图片预测,主要目的在于熟悉CNN的操作。 首先,设置一些参数 ..原创 2021-08-31 19:28:32 · 4309 阅读 · 0 评论 -
CNN简单介绍
简单介绍 卷积神经网络是一种带有卷积结构的深度神经网络,主要组成为:输入、卷积层、激活函数、池化层、全连接层与输出。 与普通的神经网络不一样,卷积神经网络引入了卷积核(filter)的概念。 普通神经网络,对于输入的每一个像素都有一个参数来提取该像素点的特征,当输入图片的像素点较少、神经元设置不多时训练速度尚可,但当输入数据较大,神经元数量较多时,需要维护的参数数量级是十分庞大的,需要消耗大量的算力且易造成过拟合。 而卷积神经网络,通过引入卷积核,每次对于一片像素点进行特征提取,且实现了...原创 2021-08-31 19:16:51 · 541 阅读 · 0 评论 -
文字识别模型MNIST
1 简介 MNIST是一个入门级的计算机视觉数据集,它包含各种从0到9的手写数字图片以及对应的标签,本篇使用了两层简单神经元来实现手写图片预测,主要目的在于熟悉Tensorflow的使用流程。 2 数据集 本篇使用MNIST数据集,首先导入包: import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import...原创 2021-08-24 18:11:15 · 1292 阅读 · 0 评论 -
Anaconda与tensorflow的安装与线性回归模型示例
[TOC] # 1 Anaconda ## 1.1 Anaconda的下载与安装 下载链接:https://www.anaconda.com/products/individual#Downloads ![image-20210824151502049](C:\Users\MX\AppData\Roaming\Typora\typora-user-images\image-20210824151502049.png) 下载完毕后安装 ![image-20210821102817752](C:\U原创 2021-08-24 16:09:13 · 895 阅读 · 2 评论 -
Python入门
Python入门 目录 1 整体介绍图 2 标识符 3 引号 4 输入与输出 5 注释 6 缩进 7 数据类型 8 运算符 9 函数定义 1 整体介绍图 2 标识符 编程时需要给变量、函数等命名,此时使用的名字就是标识符。Python中的标识符由数字、字母和下划线组成,区分大小写,且不能以数字开头,不能使用关键字作为标识符。 一般标识符: a, b, a1, b2:一般作为普通变量使用 name, n_input, x_data:使用字母+_+代表变量意.原创 2021-08-24 13:30:30 · 190 阅读 · 1 评论